Abstract:Abstract: The community service activity entitled "Training on Making Android Applications with Android Studio at junior high school 1 Tinggi Raja" aims to train existing students at junior high school 1 Tinggi Raja to create…
reate an Android application. Moreover, most students must have already had an Android phone, it would be more interesting and fun to be able to make an application on their own cellphone. The method used in this activity is a description and practice. The speaker performs explanations about Android and Android Studio itself, their functions and uses, after that the practice directly uses the Android Studio and how to build it so that it becomes an android file that can be installed on each student's cellphone. Some important points are explained and practiced in this activity, namely the introduction of the Android operating system, the introduction of Android Studio, how to design displays in Android Studio, and how to learn java coding in Android Studio so as to produce an android application.
Keywords: android application, android studio, android
Abstrak: Kegiatan pengabdian kepada masyarakat yang diberi judul “Pelatihan Membuat Aplikasi Android dengan Android Studio pada SMPN 1 Tinggi Raja†bertujuan untuk melatih siswa-siswi yang ada pada SMPN 1 Tinggi Raja untuk membuat aplikasi Android. Terlebih lagi para siswa juga pasti sebagian besar sudah memiliki ponsel Android, hal ini akan lebih menarik dan menyenangkan jika dapat membuat aplikasi di ponsel sendiri. Metode yang digunakan dalam kegiatan ini adalah deskripsi dan praktek. Pemateri melakukan penjelasan-penjelasan tentang Android dan Android Studio itu sendiri, fungsi dan kegunaannya, setelah itu praktek langsung menggunakan Android Studio tersebut dan bagaimana cara build nya sehingga menjadi sebuah file android yang dapat dipasang di ponsel masing-masing siswa. Beberapa point penting yang dijelaskan serta dipraktekkan dalam kegiatan ini, yaitu pengenalan sistem operasi Android, pengenalan Android Studio, cara mendesain tampilan di Android Studio, dan bagaimana belajar koding java di Android Studio sehingga menghasilkan sebuah aplikasi android.
Kata kunci: aplikasi android, android studio, android
Abstract:Abstract: Knowledge in building a database is one of the foundations for a person to build a computer-based application. In the database itself there are several parts that must be designed to build a database perfectly,…
ie tables, relationships, and queries. The students of SMK Swasta Nasional Kisaran is one of the objectives that is considered appropriate to understand and practice the science of the database, because the knowledge they can implement directly to their world of work will, of course, work related to the world of information technology, especially building a computer-based information system applications . The method used in learning to build this database, that is training, which in the training contains the study of database in theory, then practice directly using Microsoft Access 2007 application. The end result of this learning is the students of SMK Swasta Nasional Kisaran can know, understand, and practice directly on the computer using Microsoft Access 2007 applications, how tips and tricks to build tables, relationships, and queries, so that the database can be created perfectly.Keywords: Database, Table, Relationship, Query
Abstrak: Pengetahuan dalam membangun database merupakan salah satu dasar bagi seseorang untuk membangun sebuah aplikasi berbasis komputer. Dalam database itu sendiri terdapat beberapa bagian-bagian yang harus dirancang untuk terbangunnnya sebuah database dengan sempurna, yaitu tabel, relationship, dan query. Siswa SMK Swasta Nasional Kisaran salah satu sasaran yang dianggap tepat untuk memahami dan mempraktekan ilmu pengetahuan tentang database, karena pengetahuan tersebut dapat mereka implementasikan langsung pada dunia kerja mereka nantinya, tentunya pekerjaan yang berkaitan dengan dunia teknologi informasi, khususnya membangun sebuah aplikasi sistem informasi berbasis komputer. Metode yang digunakan dalam pembelajaran membangun sebuah database ini, yaitu pelatihan, yang di dalam pelatihan tersebut memuat tentang kajian database secara teori, kemudian praktek langsung menggunakan aplikasi Microsoft Access 2007. Hasil akhir dari pembelajaran ini adalah siswa SMK Swasta Nasional Kisaran dapat mengetahui, memahami, dan mempraktekkan langsung pada komputer menggunakan aplikasi Microsoft Access 2007, bagaimana tips dan trik membangun tabel, relationship, dan query, sehingga database dapat tercipta dengan sempurna.
Kata kunci: Database, Tabel, Relationship, Query
Abstract:Abstract :Knowledge of computer science today is very necessary especially for students. One of them learns computer network which is a science that many people need. Associated with the existence of computer network so…
many jobs like send data, print paper to one printer by many computers easy to do. However, the knowledge of this is difficult to be able to by students in schools due to many obstacles such as incomplete equipment, competent tutors in their field no, that is experienced by students of SMA Negeri 1 Air Joman Kabupaten Asahan. Then need a solution that provides that knowledge. Cisco packet tracer which is a free application that can provide an overview of the computer network. With these applications it will be easy to provide knowledge of computer networks that can be provided through lectures, frequently asked questions and practice. The lecture method used is intended to provide a theoretical explanation of computer network material. Practice method is used to show directly how to make network cable and data communications. So that the benefits gained from this workshop activities is to increase students' knowledge of network technology and students are able to make a network connection with cable.
Keywords :Network, Computer, Cisco
Abstrak :Pengetahuan akan ilmu komputer saat ini sangat diperlukan terkhusus untuk kalangan pelajar.Salah satunya belajar jaringan komputer yang merupakan ilmu yang banyak dibutuhkan masyarakat.Berhubungan dengan adanya jaringan komputer maka banyak pekerjaan seperti kirim data, cetak kertas ke satu printer oleh banyak computer mudah dilakukan. Namun, pengetahuan akan hal ini sulit di dapat oleh pelajar di sekolah berhubung banyak kendala seperti peralatan yang tidak lengkap, tutor yang berkompeten dibidangnya tida ada, itulah yang dialami oleh siswa SMA Negeri 1 Air Joman Kabupaten Asahan. Maka perlu solusi yang memberikan pengetahuan tersebut.Cisco packet tracer yang merupakan aplikasi gratis yang dapat memberikan gambaran atas jaringan komputer. Dengan aplikasi tersebut maka akan mudah memberikan pengetahuan akan jaringan komputer yang dapat diberikan melalui ceramah, tanya jawab dan praktek. Metode ceramah yang digunakan dimaksudkan untuk memberikan penjelasan secara teori terhadap materi jaringan komputer.Metode praktek digunakan untuk menunjukan langsung cara membuat kabel jaringan dan komunikasi data. Sehinga manfaat yang diperoleh dari kegiatan workshop ini adalah meningkatkan pengetahuan siswa terhadap teknologi jaringan dan siswa mampu membuat koneksi jaringan dengan kabel.
Kata kunci : Jaringan, Komputer, Cisco
Abstract:Abstarct: Increased computer users in high school make increasingly also the desire of students / i equal to know the type of computer components. With the many interests of students to know installation of computers, making…
making their enthusiasm higher in knowing the types of computer applications. Many factors influence for students on computer assembly, such as how component form, type of operating system, and how to install.
Keywords: Computer Components, Operating System
Abstak: Peningkatan pengguna komputer di sekolah SMA membuat makin meningkat pula keinginan siswa/i sederajat untuk mengetahui jenis komponen komputer. Dengan banyaknya minat siswa/i untuk mengetahui instalasi komputer, membuat antusias mereka semakin tinggi dalam mengetahui jenis aplikasi komputer. Banyak faktor yang mempengaruhi bagi siswa/i pada instalasi komputer, seperti bagaimana bentuk komponen, jenis sistem operasi, dan bagaimana cara instalasinya.
Kata Kunci : Komponen Komputer, Sistem Operasi,
Abstract:Abstract: The rapid growth of e-commerce mobile applications has generated large volumes of user reviews, making manual sentiment analysis increasingly impractical. This study aims to compare the effectiveness of three machine…
achine learning algorithms Support Vector Machine (SVM), Random Forest, and Naive Bayes for automated sentiment classification of Indonesian-language mobile application reviews. A dataset of 3,000 user reviews from the RupaRupa application on the Google Play Store was collected and preprocessed through normalization, tokenization, stopword removal, and stemming. TF-IDF vectorization was applied for feature extraction, while the Synthetic Minority Over-sampling Technique (SMOTE) was used to address class imbalance across three sentiment categories: positive, negative, and neutral. The results show that SVM achieved the highest accuracy of 90.02%, while Random Forest obtained the best F1-score of 88.08% when sufficient training data were available. Naive Bayes demonstrated relatively stable performance across varying training data sizes. Furthermore, TF-IDF keyword analysis revealed that negative reviews were primarily associated with delivery issues, technical problems, and pricing concerns. These findings demonstrate the effectiveness of machine learning approaches for sentiment classification and provide practical insights for improving mobile application services.
Keywords: sentiment analysis; machine learning; SMOTE; TF-IDF; text classification
Abstrak: Pertumbuhan pesat aplikasi mobile e-commerce telah menghasilkan volume ulasan pengguna yang sangat besar, sehingga analisis sentimen secara manual menjadi semakin tidak praktis. Penelitian ini bertujuan untuk membandingkan efektivitas tiga algoritma machine learning Support Vector Machine (SVM), Random Forest, dan Naive Bayes dalam melakukan klasifikasi sentimen otomatis terhadap ulasan aplikasi mobile berbahasa Indonesia. Dataset yang digunakan terdiri dari 3.000 ulasan pengguna aplikasi RupaRupa yang dikumpulkan dari Google Play Store. Data kemudian diproses melalui tahapan preprocessing yang meliputi normalisasi, tokenisasi, penghapusan stopword, dan stemming. Ekstraksi fitur dilakukan menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF), sedangkan ketidakseimbangan kelas ditangani menggunakan Synthetic Minority Over-sampling Technique (SMOTE) pada tiga kategori sentimen, yaitu positif, negatif, dan netral. Hasil penelitian menunjukkan bahwa SVM mencapai tingkat akurasi tertinggi sebesar 90,02%, sementara Random Forest memperoleh nilai F1-score terbaik sebesar 88,08% ketika tersedia data pelatihan yang memadai. Naive Bayes menunjukkan performa yang relatif stabil pada berbagai ukuran data pelatihan. Selain itu, analisis kata kunci berbasis TF-IDF mengungkapkan bahwa ulasan negatif terutama berkaitan dengan masalah pengiriman, kendala teknis aplikasi, dan isu harga. Temuan ini menunjukkan bahwa pendekatan machine learning efektif untuk klasifikasi sentimen serta memberikan wawasan yang bermanfaat dalam meningkatkan kualitas layanan aplikasi mobile.
Kata Kunci: analisis sentimen; pembelajaran mesin; SMOTE; TF-IDF; klasifikasi teks.
Abstract:Abstract: Automated batik motif classification is challenged by high inter-class similarity and texture complexity. This study proposes a hybrid model integrating MobileNetV2 as a feature extractor and Support Vector Machine…
hine (SVM) as the classifier to optimize accuracy and efficiency. Utilizing a Kaggle dataset of 8,640 images across 20 batik categories, the data was partitioned into 420 training images per class (Dayak: 360) and 15 testing images per class. The results demonstrate superior performance with 96.00% accuracy, exceeding the 90% target. The system showed high computational efficiency with a total execution time of 359.92 seconds and feature extraction taking only 22.63 seconds. This hybrid approach provides an ideal performance balance for resource-constrained mobile applications.
Keywords: batik classification; MobileNetV2; support vector machine; hybrid model; computational efficiency
Abstrak: Klasifikasi motif batik secara otomatis menghadapi tantangan kemiripan visual antar-kelas yang tinggi. Penelitian ini bertujuan mengoptimalkan akurasi dan efisiensi pengenalan batik menggunakan model hibrida MobileNetV2 sebagai pengekstraksi fitur dan Support Vector Machine (SVM) sebagai klasifikator. Menggunakan dataset Kaggle berisi 8.640 citra dari 20 kategori batik, data dibagi menjadi 420 citra latih per kelas (kecuali Batik Dayak 360) dan 15 citra uji per kelas. Hasil eksperimen menunjukkan performa impresif dengan akurasi 96,00%, melampaui target awal 90%. Sistem ini sangat efisien dengan total waktu eksekusi 359,92 detik, di mana ekstraksi fitur hanya membutuhkan 22,63 detik. Kombinasi MobileNetV2 dan SVM memberikan keseimbangan performa ideal untuk implementasi pada perangkat bergerak dengan sumber daya terbatas.
Kata kunci: klasifikasi batik; MobileNetV2; Support Vector Machine; Hybrid Model; efisiensi komputasi
Abstract:Abstract: The rapid growth of e-commerce in Indonesia has increased consumer interactions with digital platforms, particularly Lazada, Tokopedia, and Blibli, resulting in a large volume of customer reviews that reflect consumer…
onsumer experiences and perceptions but have not been optimally utilized in business decision-making. The main issue addressed in this study is how to process customer review data to generate meaningful information regarding consumer opinions. This research aims to apply web scraping techniques to collect customer review data and conduct sentiment analysis to identify trends in consumer opinions across the three e-commerce platforms. The dataset consists of 3,000 customer reviews, with 1,000 reviews collected from each platform, covering aspects such as shopping experience, service quality, delivery process, and customer satisfaction. The research methodology includes data collection through web scraping, text preprocessing for data cleaning and normalization, sentiment analysis using machine learning approaches, and visualization of sentiment results. The findings indicate differences in the distribution of positive, negative, and neutral sentiments across platforms, reflecting variations in consumer experiences and service strategies. These results demonstrate that sentiment analysis based on customer reviews can serve as strategic input to improve service quality, business performance, and marketing strategies in Indonesia’s e-commerce sector.
Keywords: customer reviews; digital services; e-commerce; sentiment analysis; web scarping
Abstrak: Pertumbuhan pesat e-commerce di Indonesia meningkatkan interaksi konsumen dengan platform digital, khususnya Lazada, Tokopedia, dan Blibli, yang menghasilkan ulasan pelanggan dalam jumlah besar sebagai cerminan pengalaman dan persepsi konsumen, namun belum dimanfaatkan secara optimal dalam pengambilan keputusan bisnis. Permasalahan utama penelitian ini adalah bagaimana mengolah data ulasan tersebut agar dapat memberikan informasi yang bermakna mengenai opini konsumen. Penelitian ini bertujuan menerapkan web scraping untuk mengumpulkan data ulasan pelanggan serta melakukan analisis sentimen guna mengidentifikasi tren opini konsumen pada ketiga platform e-commerce tersebut. Data yang digunakan berjumlah 3.000 ulasan pelanggan, dengan masing-masing platform diwakili oleh 1.000 ulasan yang mencakup pengalaman berbelanja, kualitas layanan, proses pengiriman, dan tingkat kepuasan pelanggan. Metode penelitian meliputi pengambilan data menggunakan web scraping, pra-pemrosesan teks untuk pembersihan dan normalisasi data, analisis sentimen dengan pendekatan pembelajaran mesin, serta visualisasi hasil sentimen. Hasil penelitian menunjukkan adanya perbedaan distribusi sentimen positif, negatif, dan netral pada setiap platform, yang mencerminkan variasi pengalaman konsumen dan strategi layanan. Temuan ini menunjukkan bahwa analisis sentimen berbasis ulasan pelanggan dapat menjadi masukan strategis untuk meningkatkan kualitas layanan, kinerja bisnis, dan strategi pemasaran e-commerce di Indonesia.
Kata kunci: customer reviews; digital services;e-commerce;sentiment analysis;web scarping
Abstract:Abstract: Understanding students’ emotional conditions is important for evaluating engagement and learning atmosphere in classroom environments. However, conventional evaluation methods are often subjective and difficult…
lt to apply in real time. Therefore, this study proposes a real-time multi-face emotion detection system designed for classroom learning environments. The system integrates a CNN-based Tiny Face Detector for multi-scale face localization with a convolutional neural network to classify seven facial emotions: angry, disgust, fear, happy, sad, surprise, and neutral. Experimental evaluation was conducted using classroom video data under varying lighting conditions, face orientations, partial occlusions, and different numbers of detected faces per frame. The proposed system achieves stable real-time performance with processing speeds ranging from 10–20 FPS, depending on face density. The results show higher recognition performance for expressive emotions, while subtle emotions remain more challenging. Overall classification accuracy reaches above 80% when emotion predictions are aggregated across multiple faces and time windows. These results indicate that the proposed system is suitable for objective analysis of emotional dynamics in classroom environments and supports the deployment of lightweight emotion-aware monitoring systems for educational applications.
Keywords: classroom monitoring; convolutional neural network; facial emotion recognition; multi-face detection; tiny face detector.
Abstrak: Pemahaman terhadap kondisi emosional mahasiswa penting untuk mengevaluasi keterlibatan dan suasana pembelajaran di kelas. Namun, metode evaluasi konvensional umumnya bersifat subjektif dan sulit diterapkan secara real-time. Oleh karena itu, penelitian ini mengusulkan sistem deteksi emosi multi-wajah secara real-time yang dirancang untuk lingkungan pembelajaran di kelas. Sistem mengintegrasikan Tiny Face Detector berbasis CNN untuk pelokalan wajah multi-skala dengan jaringan saraf konvolusional untuk mengklasifikasikan tujuh emosi wajah, yaitu marah, jijik, takut, senang, sedih, terkejut, dan netral. Evaluasi eksperimen dilakukan menggunakan data video kelas dengan variasi kondisi pencahayaan, orientasi wajah, oklusi parsial, serta jumlah wajah yang berbeda dalam satu frame. Sistem menunjukkan kinerja real-time yang stabil dengan kecepatan pemrosesan antara 10–20 FPS, bergantung pada kepadatan wajah. Hasil pengujian menunjukkan kinerja yang lebih baik pada emosi ekspresif, sementara emosi dengan ciri halus lebih menantang untuk dikenali. Akurasi klasifikasi keseluruhan mencapai di atas 80% ketika hasil emosi diagregasi berdasarkan banyak wajah dan interval waktu. Hasil ini menunjukkan bahwa sistem yang diusulkan berpotensi digunakan untuk analisis objektif dinamika emosi di kelas serta mendukung pemantauan lingkungan pembelajaran berbasis kecerdasan buatan.
Kata kunci: pengenalan emosi wajah; deteksi multi-wajah; Tiny Face Detector; jaringan saraf konvolusional; pemantauan kelas.
Abstract:Abstract: The increasing use of digital banking applications has led to the need for a deeper understanding of user perceptions, especially through aspect-based sentiment analysis. This study aims to classify the sentiment…
nt of SeaBank app users by focusing on four main aspects: learnability, efficiency, technical issues or errors, and satisfaction. Review data totaling 1,971 comments were collected from the Google Play Store and labeled with sentiments based on the scores (ratings) given by users. The CRISP-DM approach serves as the methodological framework for this study, which includes five classification algorithms: Naïve Bayes, Support Vector Machine (SVM), k-Nearest Neighbor (k-NN), Decision Tree, and Random Forest. The evaluation results show that the SVM algorithm provides the best performance with the highest average value of the four aspects achieving accuracy of 93.91%, Precision of 91.16%, recall of 97.96% and F1-Measure of 94.33%. According to the research findings, the Support Vector Machine (SVM) algorithm provides the best performance when performing aspect-based sentiment analysis on text data from digital banking application reviews. The findings are expected to serve as a reference for the development of automated evaluation systems that rely on user opinions as the basis for decision making.
Keywords: aspects; CRISP-DM; digital Banking; seabank; sentiment analysis
Abstrak: Peningkatan pemakaian aplikasi perbankan digital mendorong perlunya pemahaman yang lebih dalam mengenai persepsi pengguna, terutama melalui analisis sentimen berbasis aspek. Penelitian ini bertujuan untuk mengklasifikasikan sentimen pengguna aplikasi SeaBank dengan berfokus pada empat aspek utama: kemudahan dipelajari (learnability), efisiensi penggunaan (efficiency), kendala atau kesalahan teknis (error), serta tingkat kepuasan (satisfaction). Data ulasan berjumlah 1.971 komentar dikumpulkan dari Google Play Store dan diberi label sentimen berdasarkan skor (rating) yang diberikan oleh pengguna. Pendekatan CRISP-DM berfungsi sebagai kerangka metodologis untuk penelitian ini, yang mencakup lima algoritma klasifikasi: Naïve Bayes, Support Vector Machine (SVM), k-Nearest Neighbor (k-NN), Decision Tree, dan Random Forest. Hasil evaluasi menunjukkan bahwa algoritma SVM memberikan performa terbaik dengan nilai rata-rata dari ke empat aspek tertinggi yang mencapai accuracy sebesar 93.91%, Precision sebesar 91.16%, recall sebesar 97.96% dan F1-Measure sebesar 94.33%. Menurut temuan penelitian, algoritma Support Vector Machine (SVM) memberikan kinerja terbaik saat melakukan analisis sentimen berbasis aspek pada data teks dari ulasan aplikasi Seabank. Temuan ini diharapkan dapat menjadi referensi bagi pengembangan sistem evaluasi otomatis yang mengandalkan opini pengguna sebagai dasar pengambilan keputusan.
Kata kunci: Analisis Sentimen, Aspek, Bank Digital, SeaBank, CRISP-DM
Abstract:Abstract: Stroke is one of the leading causes of death and disability in various parts of the world, including in Indonesia. Along with the development of digital technology, the use of Machine Learning in the health sector…
tor is growing, one of which is in an effort to predict the occurrence of stroke. This study aims to implement the Logistic Regression algorithm in predicting the likelihood of a person having a stroke based on data from the Brain Stroke dataset. The research process includes data preprocessing (missing value handling, normalization, and label encoding), dividing the data into 80% training data and 20% test data, as well as model training. The model was then evaluated using several measures such as accuracy, precision, recall, F1-score, and ROC-AUC, as well as a confusion matrix. The results of the study showed that Logistic Regression was able to provide stroke classification results with an accuracy of 82.4%, precision of 80.1%, recall of 78.6%, F1-score of 79.3%, and a ROC-AUC value of 0.87. Then, the model is integrated into applications that use Streamlit, so it can be used interactively to predict stroke risk in new data. The results of this study show that the combination of Machine Learning and web-based applications has the potential to support efforts to detect early stroke risk.
Keywords: logistic regression; machine learning; prediction; streamlit; stroke.
Abstrak: Stroke adalah salah satu penyebab utama kematian dan kecacatan di berbagai belahan dunia, termasuk di Indonesia. Seiring perkembangan teknologi digital, penggunaan Machine Learning dalam bidang kesehatan semakin berkembang, salah satunya dalam upaya memprediksi terjadinya penyakit stroke. Penelitian ini bertujuan untuk mengimplementasikan algoritma Logistic Regression dalam memprediksi kemungkinan seseorang mengalami stroke berdasarkan data dari dataset Brain Stroke. Proses penelitian meliputi preprocessing data (penanganan missing value, normalisasi, dan label encoding), membagi data menjadi 80% data latih dan 20% data uji, serta pelatihan model. Model kemudian dievaluasi menggunakan beberapa ukuran seperti akurasi, precision, recall, F1-score, dan ROC-AUC, serta confusion matrix. Hasil penelitian menunjukkan bahwa Logistic Regression mampu memberikan hasil klasifikasi penyakit stroke dengan akurasi sebesar 82,4%, precision 80,1%, recall 78,6%, F1-score 79,3%, dan nilai ROC-AUC sebesar 0,87. Kemudian, model tersebut diintegrasikan ke dalam aplikasi yang menggunakan Streamlit, sehingga dapat digunakan secara interaktif untuk memprediksi risiko stroke pada data baru. Hasil penelitian ini menunjukkan bahwa kombinasi Machine Learning dan aplikasi berbasis web berpotensi mendukung upaya deteksi dini risiko stroke.
Kata kunci: logistic regression; machine learning; prediksi; streamlit; stroke.